控制理论与应用

作者：邹启杰,刘世慧,张跃,侯英鹂

单位：大连大学,大连大学,大连大学,大连大学

关键词：快速探索随机树；Sarsa(λ)；局部路径重规划；移动机器人；特殊环境

基金：国家自然科学基金面上项目(61673084), 辽宁省自然基金项目(2019–ZD–0578)资助.

针对移动机器人在未知的特殊环境(如U型、狭窄且不规则通道等)下路径规划效率低问题, 本文提出一种强化学习(RL)驱动快速探索随机树(RRT)的局部路径重规划方法(RL–RRT). 该方法利用Sarsa()优化RRT的随机树扩展过程, 既保持未知环境中RRT的随机探索性, 又利用Sarsa()缩减无效区域的探索代价. 具体来说, 在满足移动机器人运动学模型约束的同时, 通过设定扩展节点的回报函数、目标距离函数和平滑度目标函数, 缩减无效节点,加速探索过程, 从而达到路径规划多目标决策优化的目标. 仿真实验中, 将本方法用于多种未知的特殊环境, 实验结果显示出RL–RRT算法的可行性、有效性及其性能优势.

来源：2020年第8期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2020年第8期